本文将介紹linux下使用shell處理文本時最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和參數都是最常用和最為實用的；我對shell腳本使用的原則是指令單行書寫，盡量不要超過2行；如果有更為複雜的任務需求，還是考慮python吧！
find 檔案查找
查找txt和pdf檔案
find . \( -name "*.txt" -o -name "*.pdf" \) -print
2.正則方式查找.txt和pdf
find . -regex ".*\(\.txt|\.pdf\)$"
-iregex： 忽略大小寫的正則
否定參數
查找所有非txt文本
find . ! -name "*.txt" -print
指定搜尋深度
列印出目前目錄的檔案(深度為1)
find . -maxdepth 1 -type f
定制搜尋
按類型搜尋：
find . -type d -print //隻列出所有目錄
-type f 檔案 / l 符号連結
按時間搜尋：
-atime 通路時間 (機關是天，分鐘機關則是-amin，以下類似)
-mtime 修改時間 (内容被修改)
-ctime 變化時間 (中繼資料或權限變化)
最近7天被通路過的所有檔案：
按大小搜尋：
w字 k m g
尋找大于2k的檔案
find . -type f -size +2k
按權限查找：
find . -type f -perm 644 -print //找具有可執行權限的所有檔案
按使用者查找：
find . -type f -user weber -print// 找使用者weber所擁有的檔案
找到後的後續動作
删除：
删除目前目錄下所有的swp檔案：
find . -type f -name "*.swp" -delete
執行動作(強大的exec)
find . -type f -user root -exec chown weber {} \; //将目前目錄下的所有權變更為weber
注：{}是一個特殊的字元串，對于每一個比對的檔案，{}會被替換成相應的檔案名;
eg：将找到的檔案全都copy到另一個目錄：
find . -type f -mtime +10 -name "*.txt" -exec cp {} old \;
結合多個指令
tips: 如果需要後續執行多個指令，可以将多個指令寫成一個腳本。然後 -exec 調用時執行腳本即可;
-exec ./commands.sh {} \;
-print的定界符
預設使用'\n'作為檔案的定界符；
-print0 使用'\0'作為檔案的定界符，這樣就可以搜尋包含空格的檔案；
grep 文本搜尋
grep match_patten file // 預設通路比對行
常用參數
-o 隻輸出比對的文本行 vs -v 隻輸出沒有比對的文本行
-c 統計檔案中包含文本的次數
grep -c "text" filename
-n 列印比對的行号
-i 搜尋時忽略大小寫
-l 隻列印檔案名
在多級目錄中對文本遞歸搜尋(程式員搜代碼的最愛)：
grep "class" . -r -n
比對多個模式
grep -e "class" -e "vitural" file
grep輸出以\0作為結尾符的檔案名：(-z)
grep "test" file* -lz| xargs -0 rm
xargs 指令行參數轉換
xargs 能夠将輸入資料轉化為特定指令的指令行參數;這樣，可以配合很多指令來組合使用。比如grep，比如find。
将多行輸出轉化為單行輸出
cat file.txt| xargs
\n 是多行文本間的定界符
将單行轉化為多行輸出
cat single.txt | xargs -n 3
-n：指定每行顯示的字段數
xargs參數說明
-d 定義定界符 (預設為空格 多行的定界符為 \n)
-n 指定輸出為多行
-i {} 指定替換字元串，這個字元串在xargs擴充時會被替換掉,用于待執行的指令需要多個參數時
eg：
cat file.txt | xargs -i {} ./command.sh -p {} -1
-0：指定\0為輸入定界符
eg：統計程式行數
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
sort 排序
字段說明：
-n 按數字進行排序 vs -d 按字典序進行排序
-r 逆序排序
-k n 指定按第n列排序
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之類的前導空白字元
uniq 消除重複行
消除重複行
sort unsort.txt | uniq
統計各行在檔案中出現的次數
sort unsort.txt | uniq -c
找出重複行
sort unsort.txt | uniq -d
可指定每行中需要比較的重複内容：-s 開始位置 -w 比較字元數
用tr進行轉換
通用用法
echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字元
cat text| tr '\t' ' ' //制表符轉空格
tr删除字元
cat file | tr -d '0-9' // 删除所有數字
-c 求補集
cat file | tr -c '0-9' //擷取檔案中所有數字
cat file | tr -d -c '0-9 \n' //删除非數字資料
tr壓縮字元
tr -s 壓縮文本中出現的重複字元;最常用于壓縮多餘的空格
cat file | tr -s ' '
字元類
tr中可用各種字元類：
alnum：字母和數字
alpha：字母
digit：數字
space：空白字元
lower：小寫
upper：大寫
cntrl：控制(非可列印)字元
print：可列印字元
使用方法：tr [:class:] [:class:]
eg: tr '[:lower:]' '[:upper:]'
cut 按列切分文本
截取檔案的第2列和第4列：
cut -f2,4 filename
去檔案除第3列的所有列：
cut -f3 --complement filename
-d 指定定界符：
cat -f2 -d";" filename
cut 取的範圍
n- 第n個字段到結尾
-m 第1個字段為m
n-m n到m個字段
cut 取的機關
-b 以位元組為機關
-c 以字元為機關
-f 以字段為機關(使用定界符)
eg:
cut -c1-5 file //列印第一到5個字元
cut -c-2 file //列印前2個字元
paste 按列拼接文本
将兩個文本按列拼接到一起。
cat file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 book
預設的定界符是制表符，可以用-d指明定界符
paste file1 file2 -d ","
1,colin
2,book
wc 統計行和字元的工具
wc -l file // 統計行數
wc -w file // 統計單詞數
wc -c file // 統計字元數
sed 文本替換利器
首處替換
seg 's/text/replace_text/' file //替換每一行的第一處比對的text
全局替換
seg 's/text/replace_text/g' file
預設替換後，輸出替換後的内容，如果需要直接替換原檔案,使用-i：
seg -i 's/text/repalce_text/g' file
移除空白行：
sed '/^$/d' file
變量轉換
已比對的字元串通過标記&來引用.
echo this is en example | seg 's/\w+/[&]/g'
$>[this] [is] [en] [example]
子串比對标記
第一個比對的括号内容使用标記 \1 來引用
sed 's/hello\([0-9]\)/\1/'
雙引号求值
sed通常用單引号來引用;也可使用雙引号，使用雙引号後，雙引号會對表達式求值：
sed 's/$var/hlloe/'
當使用雙引号時，我們可以在sed樣式和替換字元串中指定變量;
p=patten
r=replaced
echo "line con a patten" | sed "s/$p/$r/g"
$>line con a replaced
其它示例
字元串插入字元：将文本中每行内容(peksha) 轉換為 pek/sha
sed 's/^.\{3\}/&\//g' file
awk 資料流處理工具
awk腳本結構
awk ' begin{ statements } statements2 end{ statements } '
工作方式
1.執行begin中語句塊；
2.從檔案或stdin中讀入一行，然後執行statements2，重複這個過程，直到檔案全部被讀取完畢；
3.執行end語句塊。
print 列印目前行
使用不帶參數的print時，會列印目前行。
echo -e "line1\nline2" | awk 'begin{print "start"} {print } end{ print "end" }'
print 以逗号分割時，參數以空格定界。
echo | awk ' {var1 = "v1" ; var2 = "v2"; var3="v3"; \
print var1, var2 , var3; }'
$>v1 v2 v3
使用-拼接符的方式(""作為拼接符)。
print var1"-"var2"-"var3; }'
$>v1-v2-v3
特殊變量： nr nf $0 $1 $2
nr：表示記錄數量，在執行過程中對應目前行号;
nf：表示字段數量，在執行過程總對應目前行的字段數;
$0：這個變量包含執行過程中目前行的文本内容;
$1：第一個字段的文本内容;
$2：第二個字段的文本内容;
echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print nr":"$0"-"$1"-"$2}'
列印每一行的第二和第三個字段：
awk '{print $2, $3}' file
統計檔案的行數：
awk ' end {print nr}' file
累加每一行的第一個字段：
echo -e "1\n 2\n 3\n 4\n" | awk 'begin{num = 0 ;
print "begin";} {sum += $1;} end {print "=="; print sum }'
傳遞外部變量
var=1000
echo | awk '{print vara}' vara=$var # 輸入來自stdin
awk '{print vara}' vara=$var file # 輸入來自檔案
用樣式對awk處理的行進行過濾
awk 'nr < 5' #行号小于5
awk 'nr==1,nr==4 {print}' file #行号等于1和4的列印出來
awk '/linux/' #包含linux文本的行(可以用正規表達式來指定，超級強大)
awk '!/linux/' #不包含linux文本的行
設定定界符
使用-f來設定定界符(預設為空格)
awk -f: '{print $nf}' /etc/passwd
讀取指令輸出
使用getline，将外部shell指令的輸出讀入到變量cmdout中。
echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循環
for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}
以逆序的形式列印行：(tac指令的實作)
seq 9| \
awk '{lifo[nr] = $0; lno=nr} \
end{ for(;lno>-1;lno--){print lifo[lno];}
} '
awk實作head、tail指令
head:
awk 'nr<=10{print}' filename
tail:
awk '{buffer[nr%10] = $0;} end{for(i=0;i<11;i++){ \
print buffer[i %10]} } ' filename
列印指定列
awk方式實作：
ls -lrt | awk '{print $6}'
cut方式實作
ls -lrt | cut -f6
列印指定文本區域
确定行号
seq 100| awk 'nr==4,nr==6{print}'
确定文本
列印處于start_pattern 和end_pattern之間的文本。
awk '/start_pattern/, /end_pattern/' filename
seq 100 | awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk常用内建函數
index(string,search_string):傳回search_string在string中出現的位置。
sub(regex,replacement_str,string):将正則比對到的第一處内容替換為replacement_str;
match(regex,string):檢查正規表達式是否能夠比對字元串;
length(string)：傳回字元串長度
echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 類似c語言中的printf，對輸出進行格式化
seq 10 | awk '{printf "->%4s\n", $1}'
疊代檔案中的行、單詞和字元
1.疊代檔案中的每一行
while 循環法
while read line;
do
echo $line;
done < file.txt
改成子shell：
cat file.txt | (while read line;do echo $line;done)
awk法：
cat file.txt| awk '{print}'
2.疊代一行中的每一個單詞
for word in $line;
echo $word;
done
3.疊代每一個字元
${string:start_pos:num_of_chars}：從字元串中提取一個字元;(bash文本切片)
${#word}:傳回變量word的長度
for((i=0;i<${#word};i++))
echo ${word:i:1);
本文作者：佚名
來源：51cto